AnĂ¡lisis de Series Temporales
IOT Analytics
PreparaciĂ³n para analizar los datos. Series temporales
Plan
Vamos a analizar la serie temporal del submedidor 3, aire acondicionado y termo elĂ©ctrico. Vamos a extraer 52 observaciones opr año, esto es igual a una observaciĂ³n diaria. Lunes a las 20h. Años 2007, 2008 y 2009
EvoluciĂ³n mensual del consumo. Años 2007-2009
Vamos a representar la serie por meses para cada submedidor y tambien para la energĂa global co granularidad mensual. En este caso, la frecuencia serĂ¡ 12, tenemos una observaciĂ³n por mes para los años 2007,8 y 2009.
Hay tendencia (creciente) y estacionalidad. Las oscilaciones presentan un patrĂ³n.
EvoluciĂ³n diaria del consumo por meses
Mes de Enero
Parece que no existen muchos patrones que nos podrĂan ayudar a hacer predicciones, no serĂan muy fiables
# A tibble: 34,585 Ă— 15
# Groups: year, month, day [1,442]
DateTime Date Time year month day hour minute week weekday
<dttm> <chr> <chr> <dbl> <dbl> <int> <int> <dbl> <dbl> <dbl>
1 2006-12-16 19:01:00 2006-… 18:1 2006 12 16 18 1 50 6
2 2006-12-16 20:01:00 2006-… 19:1 2006 12 16 19 1 50 6
3 2006-12-16 21:01:00 2006-… 20:1 2006 12 16 20 1 50 6
4 2006-12-16 22:01:00 2006-… 21:1 2006 12 16 21 1 50 6
5 2006-12-16 23:01:00 2006-… 22:1 2006 12 16 22 1 50 6
6 2006-12-17 00:01:00 2006-… 23:1 2006 12 16 23 1 51 7
7 2006-12-17 01:01:00 2006-… 0:1 2006 12 17 0 1 51 7
8 2006-12-17 02:01:00 2006-… 1:1 2006 12 17 1 1 51 7
9 2006-12-17 03:01:00 2006-… 2:1 2006 12 17 2 1 51 7
10 2006-12-17 04:01:00 2006-… 3:1 2006 12 17 3 1 51 7
# … with 34,575 more rows, and 5 more variables: Sub_metering_1 <dbl>,
# Sub_metering_2 <dbl>, Sub_metering_3 <dbl>, Global_active_power <dbl>,
# energia2 <dbl>Mes de Febrero
Mes de Marzo
